布朗運動作為高斯過程與鞅（Brownian motion as a Gaussian process and a martingale）

布朗運動可以透過兩面互補的鏡片來看，每一面都解鎖不同的工具。透過第一面鏡片，它是一個高斯過程：一個隨機函數，其在任何一組時間上的值是聯合常態的。透過第二面，它是一個鞅：一個完全公平的賭局，你對未來值的最佳預測就只是當下的值。第一面鏡片把常態分布的全部代數交到你手上；第二面交給你公平賭局的強大理論（最佳停止、最大不等式、收斂）。布朗運動之所以特殊，正因為它「同時」是這兩者。

作為高斯過程，B 完全由它的均值函數與共變異數函數描述——別無所需，因為聯合常態由均值與共變異數決定。均值處處為零，E[B(t)] = 0，而共變異數有一個好記的形式：Cov(B(s), B(t)) = min(s, t)，兩個時間中較小者。為什麼是最小值？對 s < t 寫 B(t) = B(s) + (B(t) - B(s))；增量 B(t) - B(s) 與過去值 B(s) 獨立（因而不相關），所以 Cov(B(s), B(t)) = Var(B(s)) = s = min(s, t)。那一條公式編碼了整個相關結構：相近的時間強相關，相隔遠的時間只弱相關。作為鞅，B 滿足 E[B(t) given 直到時間 s 的歷史] = B(s)：給定到時間 s 為止所觀測的一切，未來值的期望恰好是當下的值——沒有可預測的向上或向下漂移，這是公平賭局的標誌。

這對孿生恆等式正是為什麼布朗運動儘管路徑怪異卻仍可計算。高斯觀點讓你用常態積分算出任何有限維機率，並給出像共變異數那樣的乾淨公式。鞅觀點讓你引入最佳停止（求觸及機率）、Doob 最大不等式（界住運行最大值），並構成伊藤積分的背景——伊藤積分正是為了保持鞅性而建造的。要分清楚的提醒：身為鞅是關於條件「均值」（沒有可預測趨勢）；身為高斯是關於聯合分布的「形狀」。它們是兩件獨立的事實，恰好在這裡重合，而大多數過程兩者皆非。